AI BENCHY 对比
Google: Gemma 4 31B vs Z.ai: GLM 5 Turbo
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Gemma 4 31B Gemma 4 31B medium 免费可用 | GLM 5 Turbo GLM 5 Turbo medium |
|---|---|---|
| 分数 | 8.0 | 7.9 |
| 排名 | #23 | #28 |
| 可靠性 | 6.7 | 8.3 |
| 一致性 | 9.2 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 75.0% | 76.7% |
| 不稳定测试 | 2 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.205 | 1.872 |
| 总成本 | $0.029 | $0.244 |
| ???? | $0.120 / 1M | $1.200 / 1M |
| ???? | $0.370 / 1M | $4.000 / 1M |
| 输出令牌 | 19,604 | 12,231 |
| 推理令牌 | 49,687 | 53,558 |
| 响应时间（平均） | 35.51s | 22.69s |
| 响应时间（最大） | 150.90s | 194.23s |
| 响应时间（总计） | 639.17s | 453.72s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 12.89s | 962 | 2,046 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 4.82s | 362 | 3,137 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.8 | 1.6 | 50.0% | 2 | 110.94s | 8,344 | 17,172 | |
| GLM 5 Turbo | 7.3 | 5.8 | 83.3% | 1 | 53.92s | 346 | 16,607 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 13.88s | 390 | 2,037 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 21.11s | 1,822 | 2,951 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 6.19s | 577 | 3,632 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 7.7 | 10.0 | 66.7% | 0 | 38.48s | 4,349 | 8,985 | |
| GLM 5 Turbo | 2.9 | 4.4 | 22.2% | 2 | 71.07s | 9,665 | 19,279 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 9.57s | 105 | 888 | |
| GLM 5 Turbo | 6.1 | 3.1 | 66.7% | 1 | 10.05s | 60 | 2,216 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 10.0 | 10.0 | 100.0% | 0 | 12.76s | 533 | 2,035 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 5.38s | 255 | 2,183 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 9.9 | 10.0 | 100.0% | 0 | 27.63s | 1,797 | 5,596 | |
| GLM 5 Turbo | 8.7 | 7.9 | 77.8% | 1 | 5.44s | 315 | 2,702 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| GLM 5 Turbo | 10.0 | 10.0 | 100.0% | 0 | 9.84s | 241 | 446 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Gemma 4 31B | 3.0 | 10.0 | 0.0% | 0 | 90.14s | 1,692 | 10,014 | |
| GLM 5 Turbo | 3.0 | 10.0 | 0.0% | 0 | 40.17s | 20 | 1,319 |
快速对比
切换对比组合
Qwen3.7 MaxnonevsGLM 5 TurbomediumGemini 3.5 FlashminimalvsGLM 5 TurbomediumGemma 4 31Bmedium免费可用vsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsGLM 5 TurbomediumGemini 3.1 Flash Lite PreviewlowvsGLM 5 TurbomediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGemma 4 31Bmedium免费可用vsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewnonevsGLM 5 TurbomediumGemini 3.1 Flash LitelowvsGLM 5 TurbomediumGPT-5.3 ChatnonevsGLM 5 TurbomediumDeepSeek V4 Flashhigh免费可用vsGLM 5 TurbomediumGemma 4 31Bmedium免费可用vsGPT-5.3 Chatnone